Python机器学习（八十六）Pandas 数据集信息

info

使用.info方法，可以查看数据集的基本信息：

movies_df.info()

输出

<class 'pandas.core.frame.DataFrame'>
Index: 1000 entries, Guardians of the Galaxy to Nine Lives
Data columns (total 11 columns):
Rank                  1000 non-null int64
Genre                 1000 non-null object
Description           1000 non-null object
Director              1000 non-null object
Actors                1000 non-null object
Year                  1000 non-null int64
Runtime (Minutes)     1000 non-null int64
Rating                1000 non-null float64
Votes                 1000 non-null int64
Revenue (Millions)    872 non-null float64
Metascore             936 non-null float64
dtypes: float64(3), int64(4), object(4)
memory usage: 93.8+ KB

上面的输出信息中，包含了行和列的数量、非空值的数量、每个列中的数据类型以及DataFrame数据使用了多少内存。

可以看出，在Revenue和Metascore列中有一些缺失值，后面章节将会讨论怎么处理这些缺失值。

快速查看数据类型很有用。例如，假设你刚刚导入了一些JSON，有些整数字段类型有可能被变为字符串，当计算时用到这些字段就会报“不支持的操作数”的错。调用.info()查看一下，就可以清楚看到整数列实际上都被变为了字符串。

shape

另一个有用的属性是.shape，表示DataFrame的形状(行、列)。

movies_df.shape

输出

(1000, 11)

注意，.shape是属性，不是函数(没有圆括号)，它是一个元组(行、列)。可以看到，数据集movies DataFrame中有1000行和11列。

在清理和转换数据时，你可能会根据某些条件过滤一些行，然后想要知道删除了多少行，就可以使用.shape方法快速查看。